买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利一种基于机器学习的射频指纹识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115294615B 。

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211015800.1，技术领域涉及：G06V40/12；该发明授权一种基于机器学习的射频指纹识别方法是由丁辰;赵文清;周威廷;邹骏设计研发完成，并于2022-08-24向国家知识产权局提交的专利申请。

本一种基于机器学习的射频指纹识别方法在说明书摘要公布了：本发明公开了一种基于机器学习的射频指纹识别方法，该方法步骤如下：收集已有设备的射频指纹；搭建神经网络结构，导入射频指纹数据训练并得出识别模型；将待测设备射频指纹导入训练好的识别模型进行检验，得出识别结果。本发明采用文件读取方式读取待识别设备的射频信号采样数据，通过神经网络对读取的数据进行判别，提取出采样数据的星座点特征，载波偏移等进行分类，实现非接触式设备身份识别与认证；每当接收到的设备射频信号发生变化时，将其处理后输入卷积神经网络，即可得到识别结果，无需重复繁琐的计算，降低了成本，且以较低的复杂度获得了较优的识别率。

本发明授权一种基于机器学习的射频指纹识别方法在权利要求书中公布了：1.一种基于机器学习的射频指纹识别方法，其特征在于，步骤如下： 步骤1、收集已有设备的射频指纹，具体如下： 采集多个无线通信设备发出的射频信号，将原始信号经过处理得到差分星座图以提取射频指纹信息，按照不同设备区分，标记上不同的标签，将处理后的数据分类到不同文件夹下； 步骤2、搭建神经网络结构，导入射频指纹数据训练并得出识别模型，具体如下： 首先，将差分星座图处理为二维实值矩阵，将训练样本按9:1分为训练集与测试集； 记设备数为N，则生成的标签数为N，每个设备的标签为0或1，记为矩阵形式，当N=3时，设备1的标签为[100]； 其次，使用Keras框架，采用随机梯度下降法，引入Adam自适应学习率算法和正则化方法，搭建CNN模型，使用训练集及其标签训练卷积神经网络； CNN模型前几层采用卷积和池化层，而最后三层则采用全连接的方式，参数和权重调整采用BP算法，具体如下： 1卷积层卷积：在一个卷积层上，特征图由几个不同的卷积核分别与上一层的输出特征图进行卷积，之后再通过一个激活函数得到，每一个输出图是卷积多个输入图的加权和； 2下采样层采样：下采样层的作用是按设定比例减小与之相连的前一层输出图的维度，但不改变输出特征图的数量； 3反向传播BP算法调整参数： a前向传播：对于多类问题，共C类，个训练样本，代价函数用平方误差函数来表示； b反向传播：反向传播误差即代价函数对权重与偏置的偏导数； 4识别率计算：输出标签值与理想标签的误差为，找到符合的样本并统计出个数，即得到识别率： ； 其中，当时，取1，当时，取0；分母为总的测试数据个数； 步骤3、将待测设备射频指纹导入训练好的识别模型进行检验，得出识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。